1、代表：年度 数据和分析全球执行研究 的结论数据、分析和人工智能（AI）：信任如何实现价值 定制 研究 报告定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值目录执行摘要.1第 I 节：对数据建立信任：分析领域领导者如何获得“正确的内容”.2 信任推动分析迈向成熟.2 为什么缩短信任差距很重要.3 给您的数据分级.4 人为因素：拥有领域专家的合作伙伴.5 以数据治理为基石建立的人工智能（AI）.5 致力于将数据视为一项资产来进行处理.6第 II 节：通过客户数据取得的成功取决于维持客户信任.10 数据安全性和隐私的关键地位.10 以数据为基础建立客户信任的机会.11 信任是脆弱的谨慎对

2、待.11第 III 节：创造调查和实验文化，建立创新信任.15 在员工中推进数据素养.16 培养协作，促进文化变革.16 分析专业技能：集中与分散.17 沟通和教育鼓励分析思维.18 领导者最佳实践 医疗保健 克利夫兰诊所的集中式数据存储帮助建立对分析的信任.8 制造业 卡特彼勒定制分析策略满足业务部门需求.9 政府 DataSF 教授提出分析问题的艺术.13 金融服务 Barclays US 通过跨职能团队合作改进预测模型.14关于本研究.20致谢.20发起人观点.21麻省理工学院 SMR Connections 与我们的发起人协作完成本文内容。该组织独立于麻省理工学院斯隆管理评论编辑委员会

3、进行运营。2019 年麻省理工学院版权所有。保留所有权利。1 从分析和像人工智能这样的新兴技术中获取更多价值，首先要从信任开始，单纯因为用于分析所收集的数据必须可信。就像临床实验室需要无菌环境，或法律的实施需要一条明确的证据保管链，共享数据的客户和合作伙伴必须相信数据受到保护，并在从收集自储存到如何应用的各个方面被适当使用。相反地，一旦通过应用数据分析得出洞察，组织内的所有个人必须了解数据管理得到了谨慎对待，这样他们才能信任这些洞察并使用它们制定决策，提出新的问题。我们对超过 2,400 位商界领袖和管理者进行了全球调查，调查提供了关于这些关键领域组织活动的洞察，并确认了公认的最佳实践更趋主流

4、化的领域及仍可能没有常态化的领域。调查发现，一些受访者改进了分析实践，将其与基于人工智能（AI）的技术（例如机器学习和自然语言处理）进行结合，而这些受访者所在的组织倾全力培养数据质量、保护数据资产，并发展数据素养和创新文化。总的来说，该调查发现了一项由来已久的差距：大部分受访者都报告称能够访问更多数据，但只有少部分表示持有用于制定决策的“合适”数据。值得注意的是，报告高度信任分析用数据的受访者同样更倾向于在确保数据的高质量和导出有用洞察的基本活动中表现出领导力。该调查结合对行业领先从业人员和业内专家的访谈，对全球组织的数据分析实践和受访者针对这些实践效力所持的观点进行了调研。主要研究结果中的三

5、个主要结论：1.需要更佳的数据治理。只有少数受访者实行了保证数据质量的正式活动，这表明，需要为数据治理提供更强力的保障，以支持高级分析。接受访谈的从业人员提供了处理数据架构、治理和质量的方法实例，这些事项能够帮助建立对分析用数据的信任。2.数据隐私作为新的机遇浮现。调查受访者们最关注的就是数据安全，不过通过在该领域应用分析和人工智能（AI），还有机会提高安全实践的成熟度。数据隐私举措并不那么强力。访谈突出显示出有机会将隐私举措和通用数据保护条例（GDPR）作为建立与客户间信任的一种方法，而不是单纯将它们看作是守法本位 指令。3.培养分析文化可以推进创新。支持分析驱动创新的领导和管理实践相对较强

6、，不过研究显示，许多组织还有机会在向员工推广必要技能和思维模式方面做得更多。只有少数受访者从事发展员工数据素养的活动；同时，受访者也指出，寻找拥有合适技能的员工是创新所面临的最大挑战之一。对从业人员的访谈显示了分析领导者们如何能够通过对业务线上的合作伙伴开展教育、与其沟通和合作，来培养创新文化。组织抉择例如集中分析功能和设立一个首席数据官或首席分析官职位可能也会有助于推进分析向成熟迈进。拥有 CDO 或 CAO 的受访者更倾向于报告持有决策制定所需的数据，在那些分析得到整合的组织工作的受访者也是如此。对于仍在努力将分析推向成熟的领导者来说，从业人员从来自跨国公司的数据领导者到小型市政府团队的领

7、导者的发言特别有帮助。他们首先要学习的一课是：分析和业务专家间的沟通和协作能够促进相互理解并创造可计量的收益。换言之，信任提供价值。l执行摘要定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值2 对数据建立信任：分析领域领导者 如何获得“正确的内容”当克利夫兰诊所的企业信息领导者们在约四年前定下推进组织数据分析向成熟迈进的目标时，他们已经针对决策支持和商业智能制定了强有力的方案。他们明白，要超越仪表板和报告为临床医生和管理者提供人工智能和机器学习支持的预测性和说明性洞察，需要的将不仅仅是对技术进行支持。这家领先的学术医疗中心意识到，为了创造人人都了解并使用高级分析来制定更优决策的文化

8、，需要注重信息和数据。“确保它可用、有效、得到妥善管理，确保我们拥有访问、使用、共享、保护它的正确流程。”企业信息管理和分析执行总监 Chris Donovan 说道。信任推动分析迈向成熟像其他追求高级分析能力的领先组织一样，克利夫兰诊所的一个优先事项就是建立信任 信任收集和储存的数据，信任得出的分析洞察。而它也已经见证了如何通过建立此种信任来强化信任并接纳数据驱动决策制定的文化。我们最近的调查专注于来自超过 2,400 位商界领袖和管理者的数据和分析实践。调查结果强调了此种优先事项的重要性我们发现，报告使用最多高级分析技术的受访者和供职于积极培养数据质量、保护数据资产和建立数据驱动文化组织的

9、受访者之间有很强的关联性。这些组织专注于数据质量和管理。它们采取措施管理数据的合理使用和安全性，并且通过这些实践取得了成果。在克利夫兰诊所的案例中，这意味着有更多的研究人员信任通过一个集中的数据实验室访问到的数据，而不是他们拷贝到自己孤立的系统上进行操作的数据。这将实现更多一致的数据和更精确的结果，Donovan 说道。不过，这些源自最佳分析实践的好处仍不普遍：我们的研究显示。大多数组织仍然在发展其分析能力。只有 15%的调查受访者报告称使用高级分析来为管理决策提供参考信息。不到十分之一的受访者在工作中使用自动化分析，而只有 7%的受访者在决策制定或生产工作流程中应用机器学习和人工智能。更加普

10、遍的情况是，受访者依赖商业智能工具和员工仪表板来支持决策制定。同时，我们观察到一项“实用差距”：有 76%的受访者报告称，他们对自己判断为有用数据的访问增加了鉴于随着商业数字化，数据激增，这并不奇怪此种访问并不等于强大。更少数的受访者表示自己能够利用此种数据：只有 43%的受访者觉得自己经常有制定决策所需的合适数据。这一实用差距是一项持续的趋势，相似差距也出现在麻省理工学院斯隆管理评论2017 年的调查中1（见图 1）。尽 管 大 多 数 调 查 的 受 访 者 在 2017 年和 2018 年开展的调查中报告称数据访问有所增加，但认为自己持有决策制定所需的合适数据的受访者仍占少数。图 1：持

11、续的“实用差距”1 S.Ransbotham and D.Kiron,“Using Analytics to Improve Customer Engagement,”MIT Sloan Management Review,Jan.30,2018.报告在过去一年中，访问有用数据方面有一定程度或显著提升的受访者百分比报告经常或总是持有有助于业务决策的合适数据的受访者百分比业务决策定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值78%76%44%43%201720183 为什么缩短信任差距很重要尽管人们可能因为各种各样的理由而感觉自己没有“合适”数据可用，我们调查探索发现的证据指向了一

12、个理由：信任差距。只有非常少数的受访者表示自己“总是”信任通过了相关性、完整性、时效性和准确性判定的数据；略微多于半数的受访者表示自己至少“经常”通过上述几项来判断数据是否可信（见图 2）。这一结果显示，有一个支持数据质量，建立对分析用数据信心的重大机遇，特别是当数据完整的可能性增加数据完整这方面通常是最不受信任的。组织有充足的机会去做得更多：只有 21%的调查受访者报告称通过正式方法处理数据质量，我们对此种方法的定义为：作为正式数据治理工作的一部分，对数据质量进行常规监控、管理和提升（见图 3）。最大一部分的受访者被动应对质量问题Jeanne Ross 不推荐这种实践，她是麻省理工学院信息系

13、统研究中心的首席科学家。“在收集数据后才对其进行修复是最糟糕的做法。”Ross 说道。数据质量工作应该专注于输入数据的业务流程，无论数据是来自客户还是属于业务的一部分。Ross 承认，这种实用主义需要保障。尽管说出“只要完善流程，数据收集就非常可靠并且质量问题会降至最低”很容易，但实现这一目标却是一项挑战。这是因为，需要通过现有的学科完善数据收集流程，并在过程中定期测试数据质量。不过 Ross 在研究中发现，这些付出是有回报的。她表示：“关于分析，有趣的一点是：属于你独特的机会将会由你自己的数据创造。”无论一家公司使用的是自己的内部数据，或是通过第三方资源扩充该数据，这项原则同样适用。“如果你

14、拥有数据，并能够以其他公司无法做到的方法对其进行尽管大多数调查受者访经常信任自己的分析数据是准确、实时和具有相关性的，但只有少数受访者总是信任自己的分析数据。对数据完整性的信任最低，但对准确性的信任最普遍。由于四舍五入，百分比总和可能不等于 100。Informal:Individuals who produce or use data reactively correct for accuracy,consistency,timeliness,and completenessData stewardship:Someone is responsible for proactively ide

15、ntifying and correcting causes of data quality problems7%21%30%42%Formal:Data quality is routinely monitored,managed,and improved as part of a formal data governance efortNo data quality eforts只有五分之一的组织采取了正式方法来处理数据质量，而有 30%的受访者报告称至少会开展积极工作。多数受访者仍在使用非正式方法处理这一问题。图 3：数据质量工作显示出提升余地图2：数据准确性是最受信任的特性您信任分析数

16、据的频度是：40%43%相关完整实时准确6%1%6%28%42%21%3%12%44%34%9%1%9%47%37%6%1%11%总是 经常 有时 偶尔 从不非正式：生成或使用数据的个人为实现数据的准确性、一致性、及时性和完整性 被动地修正数据数据管理工作：有人员负责主动识别和解决造成数据质量问题的事项正式：作为正式数据治理工作的一部分，例行监控、管理和提升数据质量无数据质量工作定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值扩充，一旦你了解了这些数据，并得出了洞察，你就能够去做其他公司可能无法企及的事业。”给您的数据分级我们的调查受访者意识到，数据质量始于内部：内部数据最常受到检

17、验，其次是客户数据（见图 4）。这可能会导致对内部数据抱持高度信任，而对客户数据许多高级分析应用的关键的信任度仍然不高，只排在第 四等。该研究中接受访谈的从业人员和专家们指出，随着越来越多的公司致力于构建高级分析能力以及可用数据的数量持续增长，各组织正在寻找将新的信息来源归入分析系统的方法。为了有效实现这一目标，需要制定方法，降低不良数据混入流程并导致错误结论的风险。“对高级分析的需求驱使人们寻求更多数据，因此他们去到外部，从其他地方提取数据，”Knowledge Integrity 的首席顾问 David Loshin 说，“如果不进行信息治理实践，他们就要面对无法完成设定目标的 风险。”L

18、oshin 表示，要实现值得信赖的分析，需要制定政策以维护对组织将要使用数据的置信水平标准，确定数据来源并确立可接受的数据使用。统计分析和技术工具可以帮助找出问题并清理数据集（或得出不使用它们的 决定）。位于多伦多的加拿大永明金融通常以没有数据是值得信赖的为前提开展工作，无论数据来源是什么，因为所有数据都存在质量问题。Eric Monteiro 是这家全球金融服务公司的副总裁。他表示，尽管如此，数据的用途同样是决定其所需可信度的一项考虑因素。“我们对不同类型的使用案例采用不同的标准。比如，对于一般客户细分或甚至是在衡量机遇和制定战略决策的业务案例中，对质量的要求标准都较低，因为一般而言，错14

19、%42%来自传感器/物联网的数据44%62%5%33%32%51%18%39%39%21%内部生成的数据公共可用的数据监管机构的数据34%49%18%竞争对手的数据42%48%11%供应商提供的数据50%42%9%消费者提供的数据4%39%来自传感器/物联网的数据57%63%2%35%23%66%11%55%40%5%内部生成的数据公共可用的数据监管机构的数据12%67%21%竞争对手的数据29%64%7%供应商提供的数据37%58%5%消费者提供的数据图 4：验证和信任您验证的频度是：您对用来做基准的洞察的信任程度是：大部分注意力都集中在验证内部和客户数据上。内部数据也是最受信任的信息来源，

20、而对客户提供数据的信任则屈居第四。由于四舍五入，百分比总和可能不等于 100。定期 有时 从不 信任 基本信任 不信任定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值4 误的差距不会很大，而最后你得到的结果是可行的。”他说。不过，如果数据是用来推进与客户的个人通信的例如基于对某个具体生活事件的假设发送电子邮件就必须要求较低的错误率。“如果我们对你说 恭喜退休，而实际上尽管你 64 岁了，但你完全没考虑要退休，这就非常尴尬并且会带来非常不愉快的客户体验。”Monteiro 指出。人为因素：拥有领域专家的合作伙伴分析从业人员与组织内的领域专家紧密合作时，可能会更容易了解什么样的数据可以

21、信任。Joy Bonaguro 表示，与内部客户进行中的磋商可以造就或摧毁一个项目。她是旧金山市和郡的首席数据官，负责管理一个五人团队（她自接受本研究的访谈之后已从该组织离职）。她还表示，这恰恰是因为项目团队经常使用一些没有考虑建模而收集来的数据。“我们毫无疑问需要做清理，但是我们管理质量的方法是，相较于你的平均数据科学团队，我们在做探索性分析简报时可能会花费一些无用的时间，”Bonaguro 说，“将这些时间花在与客户确认 我们是否正在正确地查阅您的数据？哪部分存在数据质量问题？我们在建模阶段应该如何处理这些数据质量问题？”让数据科学家和领域专家及数据专家这些专家了解数据源并且知道如何能将它

22、们自动化组成团队应该是每次分析操作中的最佳实践，SmarterHQ（一家与营销人员合作的分析公司）的共同创始人兼首席数据科学家 Dean Abbott 表示。例如，如果一位网络零售商正在试图理解一项数据，这项数据显示在已放弃在线购物车中有一款钉鞋，拥有不同专业知识和不同视角的人可能会注意到不同的模式，并得出不同的解决方案，而如果没有这些协作，则可能会漏掉其中一些方案。零售专家能够预估具体的购物习惯模式，并将分析结果与假设进行比对，找出最初调查中没有提出的问题。另一方面，数据基础设施专家可以定位并检查技术问题中的异常，并可能知道如何调整模型能够帮助消除这些异常或完全无视这些异常而给出洞察。以数据

23、治理为基石建立的人工智能（AI）试图加强实践，以增强分析和人工智能（AI）能力的人可能会向建筑和采矿设备巨头卡特彼勒寻求帮助。卡特彼勒使用人工智能（AI）帮助营销人员预测客户何时准备消费以及何时可能停止消费。产品开发工程师在建造原型前使用人工智能（AI）模拟产品性能，并另外模拟设备操作员在工厂内如何操作机器，以预测客户需求。自然语言处理将法律文件分析自动化，检查协议的有效性和需要注意的精让数据科学家和领域专家及数据专家这些专家了解数据源并且知道如何能将它们自动化组成团队应该是每次分析操作中的最佳实践。DEAN ABBOTT，SMARTERHQ5 定制研究报告 数据、分析和人工智能（AI）：信任

24、如何实现价值确定位问题；自然语言处理同样被应用于分析成千上万来自客户和经销商的评论，以预测未来的质量和保修问题。“感谢人工智能（AI），一个人手动完成需要花费两到三周时间的工作，我们用 10 分钟就能完成。”卡特彼勒的首席分析总监 Morgan Vawter 说道。Vawter 还表示，在所有这些能力的背后是一个强大的数据管理基础。数据治理确保使用合适的数据，因此得出的结果值得信赖。确保数据具有高质量，并且来源明确可以让分析专业人员使用良好的构建模块进行建模。“我们需要确保针对数据有一套经验法则，包括基础数据，数据流程如何进行、如何分析数据、数据有何差异，”她说道，“然后最终，我们可以通过这些

25、数据实现更准确、灵活的分析。”在安大略职业安全及保险局（WSIB），规划政府机构向人工智能（AI）和高级分析迈进的路线首先从数据构架开始。像许多同行一样，企业商业信息和分析副总裁 Christina Hoy 发现，许多传统系统和数据让挑战变得更加复杂。“我们有大量数据分散在不同的系统中。到目前为止，我们还没有一个正式的策略。我们希望通过一个深思熟虑方法完成这一策略。”Hoy 说道。她正致力于创造“一项更好的数据策略和构架，以便我们能以应有的方式使用信息，制定更优决策”。Hoy 表示，诊断和描述性分析是职业安全及保险局（WSIB）的强项，不过该部门发现了做得更多以实施预测分析的机会。该部门还组建

26、了一个 人工智能（AI）探索性工作小组。在应用这些先进的技术之前，“我们需要确保我们的数据结构良好。如果基础是用胶带和订书钉固定的，那你就没办法应用这些技术。”Hoy 说道。为了获得部门内和管理部门对这项重要工作的支持和资金投入，她花时间进行沟通和开展教育。“如果他们看不见我正努力取得的成果，我将不会成功，”她说，“他们需要能够和我一样能够看到我所努力取得的成果。我认为这是我最大的目标传递这一图景。”Hoy 有时会用冰山作类比，10%浮在水面上的部分就好比领导者们所需要的分析结果，而“那 90%藏在水面下的冰山就是我的数据构架”。她得出了结论：“他们明白，我们确实需要拥有一个数据策略来实现分析

27、和决策制定”。致力于将数据视为一项资产来进行处理尽管许多企业领导者都认同数据是一项重要的资产，但那些用通过投入 组织资源来支持这一观点的领导者可能更快地从人工智能（AI）和高级分析中获益。根据数据科学和高级分析副总裁 Vishal Morde 所说，在 Barclays US，一套将数据作为资产的管理决策为此类工作的成功奠定了基础。例如，其业务部门的首席数据官直接向首席执行官汇报工作。并且这家银行成立了一个数据管理委员会来记录所有数据资产、每项资产的所有者并制定政策规定能够使用数据的人员。Morde 表示，这一治理结构促成了对成熟数据管理重要性的内部理解，并确保了对公司数据资源的信任。这项成果

28、对这家零售银行的数据科学卓越中心来说至关重要，这一中心主要负责在维持以信赖为基础的业务关系同时为客户提供值得信赖的服务。“感谢人工智能（AI），一个人手动完成需要花费两到三周时间的工作，我们用 10 分钟就能完成。”MORGAN VAWTER，卡特彼勒 定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值6 Morde 的团队使用先进技术（例如机器学习、深度学习、自然语言处理算法、主题建模和情感分析）来调查客户投诉。在通过这一基于文本的数据发现模式之后，银行修改了一些政策。“自然语言处理让我们能够发掘那些深藏的洞察。我们能够站在客户的角度综合考虑问题，并且这确实对客户体验产生了实际影响

29、。”Morde 说道。实行了这些变更后，投诉率降到了四年来的最低点。并且在 2018 年的 J.D.Power Credit Card Satisfaction Study 中，Barclays US 的排名从第七位上升到了第三位。正如这些领先从业人员所说，专注于数据质量需要投入资源和资金。我们的研究发现，在这方面只有相当少数的一部分先锋：只有 15%的受访者报告称去年针对数据质量的投资有显著增长（见图 5）。不过好消息是，仍有 40%的受访者见证了一定程度的投资增长，其余那些投资持平或减少的受访者可能发现推进分析成熟度更具难度。更好的消息可能是，整整三分之一的受访者目前所供职的组织雇佣了首席

30、数据官或首席分析官。我们发现，这些受访者也明显更可能报告自己处在实用差距的正确一侧即他们持有辅助业务决策的合适数据。l 数据质量需要资金支持相关保障：在过去一年中这些保障工作的预算优先程度有明显提升的公司所占百分比相对较低。图 5：将他们的资金投入在数据上40%15%38%5%2%显著提升有所提升没有变化有所降低显著降低7 定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值8 克利夫兰诊所的集中式数据存储 帮助建立对分析的信任行业快照克利夫兰诊所的企业分析倡议已实行了四年，倡议的领导者们专注于建立对诊所提供的决策支持数据的信赖。创造一个平台是推进这些相关工作的一项策略。在该项作开始前

31、，克利夫兰诊所对数据采取的是分散的处理方法，各个团队建立自己的数据存储并各自开发分析项目，分析结果各不一致。企业信息管理和分析执行总监 Chris Donovan 表示，一个集中式分析平台同样意味着为组织建立一个数据集。“如果我们能够让平台在性能方面足够出众，并且确实地与各个团队合作，教授他们关于我们所拥有的可用数据方面的相关事宜，我们就可以消除从各处拷贝数据的需要，人们就会开始信任这个中央数据存储。”Donovan 说道。这个方法是有效的。整个诊所内的各个团队正在将部分工作转移到这个平台，平台设计为让他们对储存在专门区域的数据持有管理权限，这个区域被 Donovan 称为数据实验室。团队需要

32、获得批准，以在该实验室创建自己的空间，但并不在那里进行分析工作。平台带来了几大好处。首先，使用集中式平台的团队不再向 Donovan 的团队索要诊所数据集的副本以供研究。其次，平台提升了数据质量，因为访问平台的人不需要担心自己得到的是不是最新的数据版本他们已经知晓这就是最新版本。以及，平台加强了分析文化。“那些行为上非常切实的变化表明我们正在建立这种信任。”Donovan 说道。鉴于人们正在使用集中化数据存储，Donovan 的团队现在针对数据更新和修改有了洞察“我们可以讨论一下 真的是数据出错了吗？这是解析问题吗？”他说。这种意识能够帮助消除对于术语使用不一致的困惑并达成对于数据定义的一致意

33、见。通过赢得对中央数据存储的信任，诊所开启了一条反馈回路，可以带来另一个好处：更良好的数据管理。医疗保健Chris Donovan，企业信息管理和分析 执行总监，克利夫兰诊所那些行为上非常切实的变化表明我们正在建立这种 信任。”“定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值9 卡特彼勒定制分析策略 满足业务部门需求行业快照卡特彼勒（一家 450 亿美元公司）的分析团队与整个公司内业务部门的领导者紧密协作，以树立数据驱动决策制定和创新文化。这项举措帮助确保分析支持业务需求并赢得行政支持。公司的首席分析总监 Morgan Vawter 表示，她的团队与各部门领导者共同制定策略以满足

34、各自需求。“因为我们的业务非常多样化，这样可以保证我们不仅仅只有一项分析策略应用于全公司我们有适用于各个业务部门策略的一系列分析策略，”Vawter 说道，“而且这很有用，因为此举得到了行政支持。管理者们成为了此举的拥护者，并逐级而下，确实地在一定程度上实现了业务部门使用分析来取得业务成功的局面。”卡特彼勒服务的行业部门包括能源、运输、建筑和采矿，并设有客户和经销商支持部门。通过确保每个团队都有自己的分析策略，Vawter 的组织能够获得定制分析项目，以将每个部门的价值最大化并符合其分析成熟度级别。“我们需要确保自己没有跳过进程的重要环节，”Vawter 解释道，“你不可能跳过描述性分析、建立

35、仪表板和理解数据，直接跳到预测和说明性分析。我们希望确保自己在帮助他们先理解数据，以此为基础，再进一步帮助他们提升成熟曲线。”通过采取提供公司所有工作全局视图的统合方法，卡特彼勒能够获得成功的项目并应用于全公司。在此之前，应用于如供应链分析或营销分析这类工作的分析工具可能已经实现了分析卓越，不过这些工具可能没有在之后被应用在业务部门。“我们分析道路的规划图景已经展现了 嗨，如果我在这里做分析，不但会对这部分产生影响，还会影响到整个价值链 的力量。因此我们已经见证了许多各种各样的分析，这就是实行这些策略的一个成果。”Vawter 说道。制造Morgan Vawter，首席分析总监，卡特彼勒我们希

36、望确保自己在帮助他们先理解数据，以此为基础，再进一步帮助他们提升成熟 曲线。”“定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值10 通过客户数据取得的成功 取决于维持客户信任参与了我们最近的数据和分析调查的从业人员已经注意到了数据安全：分析依赖数据而如果该数据丢失或被盗，或者如果客户和合作伙伴因为担心数据之后的处理方式而不再愿意共享数据，数据驱动企业就会陷入危机。调查受访者普遍实行经验常识范围内的安全实践。绝大多数63%的受访者有或者正在实施应急响应计划，以应对其组织的数据泄露问题。十分之七的受访者跟踪或正在制定方法以跟踪敏感数据存储区域。几乎同样多数的受访者保有或正在计划创建记

37、录收集到的敏感数据的最新列表并对员工进行 IT 安全实践培训（见图 6）。数据安全性和隐私的关键地位大多数组织实行或正开始实行的成熟措施进一步增多。较多数已经实行了或正计划部署高级分析，以预测网络入侵风险。超过半数（54%）正在使用或实施网络安全框架。37%雇佣了首席信息安全官来领导这些工作，另外 18%正在计划或落实这一职位（见图 7）。分析从业人员需要了解他们开展业务的环境。即使是 B2B 市场中不受负面宣传认为消费者数据泄露的想法或关于社交媒体网络管理用户数据方式的争论束缚的公司也必须注意，客户对数据使用的关注度已经提高。“当消费者看到的有关数据安全的负面新闻，可能会对其他公司和行业也产

38、生19%Currently do this在数据泄露的情况下有响应计划44%12%14%跟踪所有数据存储区域保有收集到的敏感数据类型的最新列表对所有员工进行 IT 安全风险和实践培训PlanningNo activity11%47%23%11%10%10%43%20%13%13%11%44%20%12%13%11%图 6：数据泄露防御提升图7：落实安全框架和 CISO各组织正向稳固的基线数据安全实践靠拢，尽管许多还没有全面实施这些措施。由于四舍五入，百分比总和可能不等于 100。稍多一部分调查受访者正在通过落实安全框架提升其数据安全的成熟度，将近一半拥有或正在雇佣 CISO。少数受访者正在使用

39、更高级的措施，例如针对安全应用分析和人工智能（AI）。由于四舍五入，百分比总和可能不等于 100。应用高级分析预测网络入侵风险22%16%15%使用网络安全框架（如 PCI、NIST）雇佣首席信息安全官33%39%15%11%37%7%13%14%16%20%11%33%当前实行 实施中 计划中 考虑 无行动 当前实行 实施中 计划中 考虑 无行动定制研究报告 数据、分析和人工智能（AI）：信任如何实现价值11 疑虑，从而给这些公司和行业造成负面影响。”卡特彼勒的首席分析总监 Morgan Vawter 说道。“没有与客户和我们所服务的企业之间的互信，我们就无法开展这项工作，”Vawter 补

40、充道，“因此我们正在确认自己有明确的权利来使用信息，并确保我们使用的每一种数据和访问的每一个数据源都有明确的谱系、权利和许可。”各个组织急于追求数据安全性的同时，针对隐私方面的工作却落后了。只有 41%的受访者表示他们会通知客户数据收集相关事项并已设立内部控制。（见图 8）。以数据为基础建立客户信任的机会一些人可能把像欧盟通用数据保护条例（GDPR）这类隐私监管看作是附加的官僚主义义务，而另一些人则把这些监管看做建立与客户之间互信的一个就会。奥特米特集团的行业分析师 Susan Etlinger 便属于后者。Etlinger 观察到，无论是企业领导人还是消费者都越来越意识到他们数据的被以多种方

41、法使用，并开始明白数据使用对其生活、企业和社会的影响。同样地，被广为宣传的通用数据保护条例（GDPR）2018 年合规期限引起了大多数组织的注意，一半以上在调查中表示自己已经完成、正在进行或正准备进行合规（见图 9）。“这是一个激动人心的时刻，一个重新构想以数据为中心组织样貌和应有的客户体验的时刻。”她说道。各组织必须依照受托责任行事，遵守该条例，而企业领导人也可以开始想象一个通过尊重隐私和建立信任获益的 世界。在这种环境下，找出能够提供价值并增强客户信赖方法的公司将会获得领先优势。Etlinger 表示，如果给出选项：“把钱存入一家你不知道你的数据去处和用途的公司或与一家表示，你知道，其实我

42、们希望和你建立合作伙伴关系并且我们希望能够为你提供可能的最佳体验，而为了实现这一点，这些是需要你提供的，你可以做出选择。的公司做生意”，人们将更倾向于选择后者。信任是脆弱的谨慎对待在领先的分析从业人员中，有一部分人努力建立这种信任关系。正如所料，这些人中许多人来自像金融服务和医疗保健这类行业。当然，这些行业受严厉的法规管理，在这些部门，长期以来都要依靠获得和留住深度信任来获得成功，不管是面对客户的毕生积蓄还是患者的健康。41%20%25%14%隐私工作落后于安全工作，只有 41%的受访者会通知客户数据收集相关事项并已设立内部控制。图 8：隐私控制尚有提升空间图 9：通用数据保护条例（GDPR）

43、获得了关注41%Notify customers how we collect,use,and share their information,and have internal controls over how employees use the data20%25%14%Notify customers how we collect,use,and share their informationImplemented data privacy measures but have not yet communicated them externallyIts not an issue we

44、 are concerned with16%27%14%25%18%大部分调查受访者都关注通用数据保护条例（GDPR），超过半数受访者表示自己已经完成或正在进行合规。通知客户我们如何收集、使用和共享他们的信息，并针对员工如何使用这些数据进行内部控制通知客户我们如何收集、使用和共享他们的信息已实行了数据隐私措施，但还未对这些措施建立外部沟通这不是我们关心的事项 我们完全遵守通用数据保护 条例（GDPR）我们正积极地采取行动来遵守通用数据保护条例（GDPR）我们正计划遵守通用数据保护条例（GDPR）通用数据保护条例（GDPR）并 不 是 一 项 要 求，但可 能 会 引导我们的隐私政策我们没有遵守

45、该条例的计划定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE12 客户解决方案高级执行副总裁 Eric Monteiro 表示，在加拿大永明金融，数据管理领导者们将通用数据保护条例（GDPR）视为对其已有实践的加强。这家金融服务公司拥有首席隐私官、数据泄露通知协议和隐私影响评估所有通用数据保护条例（GDPR）所要求的要素。公司还启动了一项“简单明了语言倡议”，去年一年对 500 封发送给客户的标准信函做了审查，致力于提升信件内容的明确度并尽量减少法律用语。这些活动的初衷维持客户信心比新规则更早提出。“人们把自己孙辈和重孙辈的钱存在我们这里。所以他们需要能够信任我们，”Mon

46、teiro 说道，“信任是一种很难建立并很容易失去的东西，我们都在媒体上最近报道的事件中见证了这一点。”Monteiro 表示，永明金融遵循一项为所有客户共享的数据提供价值的政策。公司名为 Ella 的数字福利助手就是一个例子。Ella 使用一套预测建模来“劝说”客户采取能够获取最大利益的行动，例如最大程度提升退休金（如果财务数据显示客户还没有这样做）和使用补充医疗保健服务（例如脊椎按摩师或平安计划），这些服务能够提升个人的生活质量，比如缓解工作压力。他还表示，当 Ella 主动地与这些客户接洽，公司在一项净推荐值评分中的满意度指数有明显提升，提升了 27 点。领导者在医疗保健这一产业方面拥有

47、保护客户数据的经验。克利夫兰诊所的商务智能和企业分析医疗总监 Timothy Crone 博士说，诊所采取谨慎的方法进行数据管理，即使是在有机会与承诺提供对患者有益的医疗洞察的外部机构共享数据和一些热心的患者希望共享更多自己的数据时也不例外。为什么？对此 Crone 这样解释：因为即使患者相较其他一些因为数据泄露上了新闻的企业更信任医疗保健提供者，“我认为在这一点上，我们仍然有可能失去这一优势”。这是一个谨慎的方法。SmarterHQ 的共同创始人兼首席数据科学家 Dean Abbott 表示，新出台的通用数据保护条例（GDPR）要求正在有效地推动零售商和其他公司向医疗保健和金融服务这样的领域

48、靠拢。“当然，通用数据保护条例（GDPR）对消费者有很大益处，但条例里还包括了许多最佳实践。”Abbott 说道并指出，追加的透明度代表着强有力的一步。这意味着数据科学家不仅要准备好证明算法中客户数据使用的合法性，还要准备好针对其原因和用途进行沟通交流。通过模型自动化和增加学习要素，组织的分析使用向人工智能（AI）迈进，这就使这种透明度和数据管理工作变得更加重要。这意味着分析专业人员需要监控正在发展的社会契约，以使用数据满足客户的利益。“我们把自己看做客户至上的公司，没有客户的成功和随之而来的信任，我们什么都不是，”来自卡特彼勒的 Vawter 说道，“而如果我们不能从收集自他们的数据中创造价

49、值，那我们就根本不应该使用这些数据。”l“我们把自己看做客户至上的公司，没有客户的成功和随之而来的信任，我们什么都不是。”MORGAN VAWTER，卡特彼勒 定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE13 DataSF 教授提出 分析问题的艺术行业快照DataSF 是旧金山市郡的分析团队，该团队正在教授政府内人员寻找高级分析的机遇。方法是通过教授地方官员如何通过数据提出问题并得到能都提升公共服务的答案。这种方法促成了诸如与卫生厅合作 辨明其心理健康项目的成本动因。DataSF 还帮助城市管理办公室寻找机遇，推进汽车共享以改进汽车使用，既降低了城市成本，又实现了更加绿

50、色环保的车辆管理。“这是关乎提升所有服务线的组织力量，提出能够使用数据科学处理的问题。”Joy Bonaguro 解释道，她在接受本研究访谈时任旧金山市郡首席数据官。目标是帮助政府内客户找到机会，在其行业内使用人工智能（AI）和数据科学。“我们已经创建了一种项目类型，我们使用它来帮助我们的各个部门征求和界定数据科学问题。所以我们不会说，嗨，你想做人工智能（AI）和数据科学吗？我们会说，这是这种类型的问题，而我们这里有许多范例可以帮助你回答这些问题，”Bonaguro 解释道，“如果我们给我们的部门做培训，教授他们找出数据科学机遇，这就是我们在组织内推进它的方式。”Bonaguro 称赞了公共部

51、门其他人的工作，包括创建了提及常见业务问题的分析拓扑的新奥尔良 NOLAlytics。DataSF 发布了一份线上信息表，将数据科学可以解决的问题进行了分类，例如大海捞针（寻找直接获取有限资源的途径）、升级待办事项、提前标出行动的重点要素、A/B 测试（找到最合适的交流风格）和优化资源。政府Joy Bonaguro，前首席数据官，旧金山市郡如果我们给我们的部门做培训，教授他们找出 数据科学机遇，这就是我们在组织内推进它的 方式。”“定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE14 Barclays US 通过跨职能 团队合作改进预测模型行业快照让分析专家与业务领域专家携

52、手并肩不仅能创建更强大的文化。在 Barclays US，这也创造了更优良的分析。据数据科学和高级分析副总裁 Vishal Morde 称，在这家承办信用卡业务的银行，分析的主要重点在客户上在合适的时间联系合适的客户，并提供合适的服务。“如果你能确实做到这点，你的业务收益将会得到提升。而你的客户也会高兴，因为他们得到了真正需求的东西“。Morde 说，公司分析方法的一个主要组成部分是在整个项目中利用业务领域专业知识。Barclays US 通过创建数据科学实验室并组建包含业务所有者的跨职能团队来让业务人员参与到分析流程中。“他们也参与创建了这个数据科学实验室，”Morde 解释道，“因为他们在

53、前期就完全参与其中，我们现在就能够建立起这整个环境，创建能够确实产生价值的项目并帮助他们解决业务问题。”例如，实施一项创建预测模型以决定负责某个具体服务的人员的项目，数据科学家和并购营销人员都参与其中。“数据科学家会说，嗨，我正在观察这个数据，这里有一定的季节性。然后一位业务人员会说，是的，有道理。这应该是假日季。这是人们开始做出反应的地方”。Morde 表示，因为这种互动发生在流程早期，数据科学家还没有开发出模型，因此通过这种互动，团队能够更快地开发出更好的模型。通过使用消费者洞察和一些来自业务专家的坊间假设，并利用先进的数据科学方法对其进行测试，Barclays US 能够显著提升其预测能

54、力在一些案例中，甚至能够达到 50%，他补充道。这种成功不仅来自数据、方法或分析工具，Morde 说：“我们能够把一部分从营销人员那得来的领域知识转移到我们的模型中。事实上你正将人们逐年收集积累的关于消费者行为和需求想法的专业知识整合起来。”金融服务Vishal Morde，数据科学和高级分析 副总裁，Barclays US“事实上你正将人们逐年收集积累的关于消费者行为和需求想法的专业知识整合起来。”定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE创造调查和实验文化，建立创新信任对数据基础设施、人才和技术的投资可以推动产生变革性的洞察。但是对那些接受了我们今年的数据和分析报

55、告访谈的分析领导者们来说，单单生成分析结果并不是最终目标。只有当整个组织的人员都接受了这些洞察并将其应用到工作中，以制定决策、重新设计业务流程和重新考虑策略，这些投资才真正取得了回报。所以使用什么样的策略才能创造人人提出问题并寻求能够帮助解答这些问题的数据和分析，再应用这些分析结果的文化呢？Barclays US 在每个业务部门任命了一位分析领导人，并在一个数据科学实验室中组建了由分析和业务专家组成的跨职能团队。卡特彼勒每年举办“现在就分析”（Analytics Now）会议，供全公司的利益相关者了解公司能力、展示成功项目，并寻求一个工程师、人才管理者和其他领域专家咨询委员会的投入及与其的合作

56、。克利夫兰诊所建立了自己的委员会，广泛接纳人员参与其分析项目和对项目提出反馈。我们的调查研究了一系列与建立分析文化相关的实践，例如领导层的行动和消息传递、员工数据素养工作和组织抉择。就总体而言，报告称在上述方面最活跃的受访者更可能表现出对数据和分析的较高信赖，并处于“实用差距”的获胜方一侧，即他们不仅能够访问数据，还能够获取用于业务决策的合适数据。调查显示出的两个组织因素可能会对推进分析成熟产生影响：1.一是针对公司的分析工作设有明确的领导者：33%报告其组织设有首席数据官或首席分析官的受访者更有可能表示他们经常或总是拥有决策需要的数据。39%报告其组织拥有集中式数据分析能力的受访者身上表现出

57、了相同的关联性（尽管研究结果如此，但可能并不适用于所有情况：一些分析领导者发现，分散式的方法比较适合他们的企业）。2.调查还发现，在许多组织中，领导者在使用和支持分析方面起着重要作用。不过，比起发言，领导者可能更注重采取行动一点：他们看起来更倾向于寻求数据并将其应用于决策制定，而不是通过发布业务成果来支持或赞颂分析（见图 10）。领导层的支持在提升对分析投资的优先程度上也 较弱。11%25%33%21%9%13%29%30%20%8%19%32%30%15%4%17%36%33%11%3%19%40%29%3%9%3%9%16%40%32%Prioritize investments in a

58、nalytics toolsCredit positive business outcomes to analytics in internal messages or presentationsChampion the value and use of analyticsIncorporate data and analytics in decision-makingSeek data and analytics support decisionsUnderstand insights presented by analytics specialists图 10：领导者为分析采用定下基调领导

59、者频度：大多数公司的领导者经常支持数据的价值，并确实在制定决策时寻求使用数据。由于四舍五入，百分比总和可能 不等于 100。总是 经常 有时 偶尔 从不针对分析工具的优先投资在内部信息或演示中 赞扬分析所带来的 积极业务成果支持分析的 价值和使用结合数据和分析 进行决策制定寻求数据和 分析支持下的决策了解分析专家 给出的洞察15 定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE在员工中推进数据素养领导层在员工的分析技能这一领域也许还可以做得更多：有 39%的受访者指出，这一点是创新面临的首要挑战，在他们的优先级中仅次于竞争，位居第二。我们发现，虽然在大部分受访的组织中，一系

60、列建立数据素养的工作至少是在计划阶段，但只有不到五分之一在积极地从事这项活动（见图 11）。稍多一部分正在协助分析专家建立业务领域专业知识。鼓励数据驱动文化意味着鼓励人们使用企业正在收集的数据，而不是把这些数据单独丢给 IT 部门，博思艾伦咨询公司的首席数据科学家兼行政顾问 Kirk Borne 说道。“这种实验文化支持了企业的创新文化。在这种文化下，人们可以自由地问 基于我们的数据，我们如何能做得更好？”他说。这里有一个将建立数据素养提到业务第一线的例子，来自麻省理工学院信息系统研究中心的首席科学家 Jeanne Ross。这一中心研究了 7-Eleven 在日本的便利店连锁，7-Eleve

61、n 雇佣了顾问来帮助其 200,000 名店员理解公司收集的日销售量数据并从中学习。销售人员知道，他们店铺的快速存货周转能力是一项关键的成功因素，因此他们会监控店铺内自己所属区域不同商品的销售情况。顾问会到店铺指导店员如何用分析的方式思考，使用近期不同商品的销售数据与之前年份和天气状况相似日期的数据进行对比。“顾问对店员说 所以你对自己上周的销售情况做过什么假设？他们知道问题的答案，因为这是他们的要求，”Ross 说道，“然后他们说，你做得怎么样？你的假设实现的如何？当然，问题的答案同样就摆在他们面前。他们有数据。”之后顾问和销售人员会讨论策略以提升销售。培养协作，促进文化变革几乎所有接受了本

62、研究访谈的从业人员都表示，只有当分析专家参与到业务领域中，由此产生的切实协作才能确保文化真正开始转型。有趣的是，在我们的调查受访者中，供职于运营部门的个人和团队更倾向于使用新兴技“鼓励数据驱动文化味着鼓励人们使用企业正在收集的数据，而不是把这些数据单独丢给 IT 部门。”KIRK BORNE，博思艾伦咨询公司17%18%19%18%21%19%15%16%17%18%30%19%16%14%17%19%22%20%15%Line-of-business experts receive training or immersion in analyticsAnalytics specialists

63、 receive training or immersion in operational areasTraining programs are widely available to develop data and analytical skillsWorkforce data literacy is regularly assessedInternal messaging promotes data literacy as a valued skillPlanningConsideringNo activity30%29%17%35%17%25%许多组织有机会做得更多来解决分析技能不足的

64、问题。好消息是大多数正在采取行动创造数据驱动劳动力，并且或正在实施相关项目或正在计划实施或启动相关项目。由于四舍五入，百分比总和可能不等于 100。图 11：教育推动创新 当前实行 实施中 计划中 考虑 无行动业务线专家接受分析培训或参与分析工作分析专家接受运营方面的培训 或参与运营相关工作 广泛开展培训项目，以发展数据和分析技能 对员工的数据素养进行定期评估 将数据 素养作为一项 有价值的技能，通过内部信息促进其发展 16 定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE17 术推动创新，比例略微高于高层领导甚至是 IT 部门人员（见图 12）。这突出显示了对于分析领导者

65、来说，建立与业务的联系可能会是一项成功策略的原因。建立和维护接纳分析的文化从找到机遇和将会产生影响的使用案例 开始。据社区支持全球业务分析主管 Yash Kandyala 称，爱彼迎这一平台给酒店业造成了打击，在这里，一切从分析和由上至下的强大数据文化开始。尽管如此，Kandyala 仍需要取得合适的数据并委任合适的人选，以寻求以分析推动策略的机遇。在爱彼迎，这是一种多向动态。有时，同事带着问题前来并希望得到答案。还有时，他的团队可能在数据中注意到一项重要洞察，并寻求得到管理层的注意和支持。Kandyala 表示，要让他团队得出的洞察产生影响可能具有挑战性：“你可能有一个很棒的点子，但是如果不

66、把它和主要利益相关者的目标或策略联系起来，那么它就不会引起重视。”他寻求找出能够帮助推进公司重要目标的项目。“创造这些机会和项目可能会经历一个长期的过程，这些项目将以分析为基础并与业务成果相关联”。分析专业技能：集中与分散正如之前所提到的，集中化并不适用于所有人。加拿大永明金融通过在业务中加入分析能力而非使用集中化分析功能来确保策略的一致性和透 明度。“集中并创造一个大型功能并为此集中投入大量资金是个非常诱人的点子，因为这个点子听上去就好像你将要解决你所有的数据问题，”客户解决方案高级副总裁 Eric Monteiro 说，“对我们来说，没这么做的好处显而易见，我们看到了将分析与业务结合、为业

67、务服并与要求流程相连接所带来的影响。”永明的分析和业务领导者们以逐个案例为基础将他们之间的协作变成了一种制度。每个分析项目在开始前都需要建立投资回报案例并从业务决策制定者处获得预算审批。还需要向企业营运者提供定期进度报告以便其确认成果。Monteiro 表示，尽管工作是分散的，但单个项目取得的成果可以发展成为一个主要的运营区域。公司的数字福利助手也是这么产生的。数字福利助手最初是对为客户提供个性化推荐的尝试，例如针对退休金的小贴士。这个助手非常有用，所以后来就发展成了一项主要业务。“我们几十位员工负责这方面的工作，它是一个数据渠道，和任何分销渠道一样汇报工作。”他说。图 12：创新通常是基层工

68、作与特定业务需求联系紧密的个人通常会推动新兴技术创新。谁更倾向于支持使用新兴技术（如人工智能（AI）/机器学习、物联网（IoT）和区块链）？24%高层领导26%9%13%23%5%运营部门的个人/团队营销研发IT其他定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE18 缺少一个集中化分析功能带来了挑战，Monteiro 补充道：在需要一项主要投资时需要做的事已经超越了样板工程。例如，永明正准备对其部分数据重新进行编目，以便将数据放入云端，这项工作将需要对构架和基础设施注入更多投资。“这个渐进的过程使我们需要面对的一个风险。”他说。沟通和教育鼓励分析思维 推进创新文化需要的不

69、仅是做出陈词，还有聆听。时任旧金山市郡首席数据官的 Joy Bonaguro 曾接受了本研究的访谈，她表示，数据科学的大部分工作是关于文化和更改管理的，同时帮助内部客户了解数据的价值以及其如何促成全新和创新的思维方式。工作的一个主要因素是确保数据科学家在聆听。“我们在城市里推进数据使用，实现文化变革的方法是切实地花时间去了解在整个城市使用数据的挑战和阻碍。然后我们依据这些指定服务，这样人们就会觉得自己的诉求得到了回应，”Bonaguro 说，“而当人们觉得自己的诉求得到了回应，他们就会开始信任你并愿意配合你完成新事务，包括那些可能比较有风险或比较可怕的事务，比如数据科学项目。”做到这一点需要许

70、多工作的铺垫，包括通过组织的数据学术（Data Academy）提供培训（见图 13）、示范项目（如仪表板）以及设立开放的数据端口，Bonaguro 补充道。随着时间推移，通过这些教育工作，并让工作人员与数据专家共同工作，机构的内部客户获得了可以辨别适当数据科学项目并在之后应用于数据科学资源的工具。这一方法同样帮助了分析专业人员，他们为多种多样的内部客户提供服务，而他们不可能也是领域专家Bonaguro 指出，旧金山的部门范围从“A 到 Z，从机场到动物园”。一项成功案例是与郡卫生厅共同调查从 2011 到 2017 年，参与联邦妇女、婴儿、儿童（WIC）营养计划的母亲和孩童人数缩减 16%原

71、因的 DataSF 项目。在对六年的参与数据进行分析后，项目人员与母亲们进行了交流，并结合支付事项和人口学细节，开发出一个反映哪些家庭更倾向于退出计划的模型。调查结果表明旧金山的妇女、婴儿、儿童（WIC）计划需要改变外联工作，以吸引更多参与者。强烈赞同赞同不赞同也不反对反对强烈反对32%48%15%0%20%40%60%80%100%18%28%23%0%20%40%60%80%100%每天每周每月很少从不22%9%图 13：DataSF 的数据学术评估 您在接受了本数据学术课程后是否感觉自己的技能有所提升？您使用从自己工作中学到的信息或技能的频度是？DataSF 是旧金山市郡的分析团队，该团

72、队正在通过其数据学术在其服务的机构内推广数据素养。该团队共享成功指标例如参与者获得技能评估和技能应用频度通过一个公共仪表板。定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE19 此类协作能够产生高质量结果和与内部客户的切实联系，因为双方都参与促成了成果产出。“数据科学家的模型获得了数据，然后消失在山洞里，最后产生出某种魔法一般的完美模型，这是种糟糕的心态，”她说，“我们对客户表示了期望，即这些工作将需要时间来完成，且客户也要参与其中。”这种方法同样用于为非数据专家提供教育，教授他们关于分析工作和其潜在影响的知识并通过与数据科学家合作寻找洞察建立对其工作的信任。Bonagur

73、o 的数据科学商店通过一个只有五位全职员工的小团队为旧金山“从机场到动物园”的一系列部门提供服务，团队内最多只有三人从事数据科学服务。不过更大型的企业，比如Barclays US、卡特彼勒和克利夫兰诊所，也应用同样的协作原则。Barclays US 的数据科学和高级分析副总裁 Vishal Morde 表示，在公司的数据科学实验室，业务专家和分析专家合作创建项目，解决业务问题。“双方需要共同参与；双方需要切实确保互相理解，”Morde 说道，“他们了解每一项挑战，并找出一个更统一的方法，而不是各自工作，说着 哦，这个工作需要别人来为我做。”首席分析总监 Morgan Vawter 说，在卡特彼

74、勒，文化建设开展的形式包括：实行培训课程，例如“如何成为业务上的分析冠军”（How to Be an Analytics Champion in the Business），以及举办分析年会。“当然，我们明白，不是所有人都想成为分析专业人员，而我们也不需要他们成为分析专业人员。不过我们确实希望帮助他们了解他们已经访问到的数据有何力量，所以我们在这方面提供了许多培训。”Vawter 说道。克利夫兰诊所才用的模式与之类似。企业信息管理和分析执行总监 Chris Donovan 表示，除向所有员工开放咨询委员会外，诊所的分析组织还在寻找机会与企业内的不同团体合作。“我们非常注重实现价值和具体项目，以

75、及在组织内创建我们拥有主要赞助商的工作。因此，在我们制定好路线图时，就尝试确保我们正在这方面与心血管研究所合作。我们正在这个方面与我们的癌症研究所、策略团队以及营销团队合作。”Donovan 说道。向各个团队展示他的团队能够做些什么来提供支持：“这确实激励了这些人去成为项目冠军，并创造了这一良性循环，这些员工意识到数据相关的挑战，并明白治理的重要性。这给我们创造了一条良好的反馈回路”。对像 Eric Siegel 这样的数据科学讨论老手来说，公司的这种工作和经历可以反映出行业发展的程度。Siegel 是Predictive Analytics:The Power to Predict Who

76、Will Click,Buy,Lie,or Die一书的作者，他表示，技术专家常常面对这样的挑战：向管理层表明自己工作的价值、赢得项目审批和说服同事信任并切实使用核心分析产生的结果。发生改变的是如今他在自己组织的行业会议（如预测分析世界和深度学习世界）上所见到的拥护者的类型，这些人在会议上讲述自己的工作。Siegel 说，越来越多的高层管理人员、副总裁和业务职能总监正在为分析领域的事件发声并贡献专业知识。换句话说，非技术或分析领域相关的领导者正在主张分析使用并为数据驱动文化提供支持。l定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE20 关于研究麻省理工学院 SMR Con

77、nections 于 2018 年 5 月对麻省理工学院斯隆管理评论的订阅者进行了一次在线调查，共计 2,413 位受访者参与了调查。受访者代表了广泛的职能和行业，超过 70%的受访者表明自己任职于管理层、高级管理层或是董事会成员。调查受访者来自世界各个国家和地区。为了给定量研究结果讨论提供丰富背景，我们访问的分析专家包括了从业人员、咨询顾问和学者。这些人员针对领先组织的良好实践和其正在进行的推进高级分析成熟和建设数据驱动文化的步骤案例提供了洞察。Dean Abbott，共同创始人兼首席 数据科学家，SmarterHQJoy Bonaguro，前首席数据官旧金山市郡Kirk Borne，首席数

78、据科学家兼 行政顾问，博思艾伦咨询公司Timothy Crone，医学博士，医疗总监，商务智能和企业 分析，克利夫兰诊所Chris Donovan，企业信息管理和分析 执行总监，克利夫兰诊所Susan Etlinger，行业分析师，奥特米特集团Caroline Viola Fry，博士候选人，麻省理工学院斯隆管理学院Michael S.Goldberg，独立作家、研究员Christina Hoy，副总裁，企业商业信息和分析，职业安全及保险局Yash Kandyala，社区支持全球业务 分析主管，爱彼迎David Loshin，首席顾问，Knowledge IntegrityEric Monte

79、iro，客户解决方案 高级执行副总裁，加拿大永明金融Vishal Morde，数据科学 和高级分析副总裁，Barclays USJeanne Ross，首席科学家，麻省理工学院信息 系统研究中心Beatriz Sanz Saiz，咨询服务全球数据和分析领导者，EYEric Siegel，作家，著有Predictive Analytics:The Power to Predict Who Will Click,Buy,Lie,or Die，预测分析世界会议创始人Morgan Vawter，首席分析总监，卡特彼勒致谢定制研究报告 数据、分析和人工智能（AI）：信任如何实现 VALUE21年度麻省理

80、工学院斯隆管理评论数据和分析全球执行研究突出显示了最具分析辅助创新力的组织如今是如何实施新技术的近期最常使用的是以人工智能（AI）为基础的技术，如机器学习和自然语言处理。这项最近的研究专注于对 SAS 有很大影响的数据和分析，不仅着眼于技术立场方面，更着眼于情感的立场：信任方面。要依靠分析进行决策制定，你需要信任自己的数据。成功的组织也必须信任其在创新和创造欢迎并鼓励提问的文化方面的能力。然后是外部信任因素欧盟最近实施的通用数据保护条例中强调了这一点在这一因素中，安全和隐私顾虑对于获得和维持客户对你合理使用他们数据的信任来说至关重要。所以为什么这与我们 SAS 有关联呢？我们的使命是“加强和鼓

81、励最受信任的分析”。而在超过 40 年的时间里，我们的目标一直是让好奇心成为进步的驱动力。不足为奇的是，那些对分析实践进行了升级，以在工作流中应用机器学习、人工智能（AI）和自动化分析的组织都拥有相似的倾向。他们更倾向于采取行动，采取数据质量、数据安全性相关措施并创建数据驱动创新文化。有了可靠的数据，这些分析能力成熟的组织可以超越基本 BI 和仪表板。“绝大多数”正在采取安全措施以培养外部信任。隐尽管私工作稍微落后于安全工作，但也同样是一个优先事项显然是受到通用数据保护条例（GDPR）合规的推动。最后，这将会是另一个数据管理和人工智能（AI）交汇的领域，在这里，组织足够信任自己的数据和分析，并

82、因此将它们作为保护其他数据基础的一部分。但如果没有公司文化的支持，这些都无法实现，此类公司文化可以包含从雇佣首席数据官或首席分析官并有其他领导者支持分析，到培养现有人才的技能和策略。总而言之，调查结果展示了一个我们始终相信的事实：技术和信任携手同行，特别是在数据的未来这一方面。为什么推进技术发展 需要建立信任Randy Guard，执行副总裁兼 首席营销主管，SAS发起人观点SAS 和所有其他 SAS 软件公司产品或服务名称是 SAS 软件公司在美国和其他国家的注册商标或商标。表示美国注册商标。其他品牌和产品名称为相关公司的商标。110598_G105640.0519联系当地 SAS 机构，请访问：销售热线：400 818 1081技术支持：400 810 9268